Dalam teknik pengelasan, teknik dasar yang paling umum digunakan yaitu SMAW (Shield Metal Arc Welding) atau biasa disebut teknik pengelasan listrik. Namun mempelajari teknik pengelasan bukanlah perkara yang mudah bagi seorang praktisi pemula dikarenakan praktisi harus berhadapan langsung dengan perangkat las yang berisiko terkena percikan api, partikel pecahan logam, sinar ultra violet dan asap pembakaran logam. Penelitian ini bertujuan untuk membangun metode pembelajaran terkait teknik dasar pengelasan SMAW berbasis virtual reality, yang tentunya akan membantu praktisi dalam proses belajar teknik pengelasan SMAW dengan lebih mudah, efektif dan interaktif tanpa merusak objek dan meminimalisir risiko kegagalan dan kecelakaan kerja. Aplikasi ini dibangun menggunakan metode MDLC (Multimedia Development Life Cycle) sehingga pembuatan aplikasi lebih terarah dan efisien. Pada modul pembelajaran ini terdapat informasi terkait peralatan apa saja yang akan digunakan dalam proses pengelasan serta tahapan-tahapan dalam melakukan proses pengelasan secara baik dan benar. Untuk proses penilaian keberhasilan pengelasan pada aplikasi ini ditentukan apakah pengguna dapat menyelesaikan setiap tahapan dengan benar. Selain itu juga dilakukan pengujian User Acceptance Test (UAT) dengan skor tertinggi yaitu 43/45 (95,5%) ada pada pertanyaan 15 dimana menjelaskan bahwa aplikasi ini sangat direkomendasikan bagi pemula yang ingin belajar teknik dasar pengelasan SMAW tanpa risiko bahaya langsung.

Laporan ini membangunkan aplikasi mudah alih dengan platform berasaskan web untuk pengurusan tempat letak kereta bandar, menyepadukan pemprosesan imej berasaskan peraturan dan teknologi IoT untuk meningkatkan kecekapan dan pengalaman pengguna. Menggunakan ESP32-CAM untuk pengesanan kenderaan, Firebase untuk penyegerakan data masa nyata dan Flutter untuk antara muka mudah alih, sistem mencapai ketepatan pengesanan 92%, masa tindak balas 1.8 saat dan 88% kepuasan pengguna berdasarkan tinjauan terhadap 21 responden. Pengimbasan kod QR memastikan kejayaan 100% merentas 50 kes ujian, memudahkan interaksi yang lancar. Boleh berskala kepada 200 tempat letak kereta, sistem ini menyokong matlamat bandar pintar dengan mengurangkan kesesakan dan pelepasan. Had termasuk ketepatan 88?lam keadaan cahaya malap dan pergantungan rangkaian, dengan peningkatan masa hadapan dirancang untuk fungsi luar talian dan penyepaduan pembayaran.

Sistem Deteksi Dini Tingkat Kecanduan Pornografi Pada Anak Menggunakan Metode Pornography Addiction Screening Tool (PAST) Berbasis Website, Muhammad Rayhan, NIM E41211999, Tahun 2025, 94 hlm., Teknologi Informasi, Politeknik Negeri Jember, Choirul Huda, S.Kom.,M.Kom Perkembangan teknologi informasi yang semakin pesat memberikan dampak positif sekaligus negatif bagi anak-anak. Salah satu dampak negatif yang sering terjadi adalah paparan dari konten pornografi, yang dapat menimbulkan kecenderugan anak untuk meniru perilaku yang dilihat(konten pornografi). Oleh karena itu, diperlukan sebuah sistem yang mampu mendeteksi secara dini tingkat kecanduan pornografi pada anak sehingga dapat dilakukan penanganan lebih lanjut. Penelitian ini bertujuan untuk merancang dan membangun sebuah sistem deteksi dini tingkat kecanduan pornografi pada anak dengan menggunakan metode Pornography Addiction Screening Tool (PAST) berbasis website. Metode PAST digunakan untuk mengukur kecenderungan adiksi pornografi melalui serangkaian kuesioner. Sistem dibangun berbasis website suaya mudah diakses oleh pengguna. Selain itu, penelitian ini juga menambahkan analisis regresi linear sederhana dengan variabel independen (X) tingkatan kelas dan variabel dependen (Y) tingkat kecanduan pornografi. untuk analisis regresi linear sederhan menggunakan 76 data. Analisis ini bertujuan untuk mengetahui hubungan antara tingkatan kelas dengan kecenderungan tingkat kecanduan pornografi. hasil analisis regresi linear sederhana memperlihatkan adanya hubungan positif antara tingkatan kelas dan tingkat kecanduan pornografi pada anak. Selain itu, dilakukan User Acceptance Test (UAT) yang melibatkan 20 responden untuk menilai kegunaan sistem, dan tingkat kepuasan pengguna mencapai 85,9%. Hasil ini menunjukkan bahwa sistem berfungsi, akurat, dan diterima dengan baik oleh pengguna, sehingga cocok untuk digunakan pada lingkungan sekolah.

Pertumbuhan penduduk dan urbanisasi yang pesat telah memperparah tantangan dalam pengelolaan sampah, yang mengakibatkan meluapnya tempat sampah, jadwal pengangkutan yang tidak efisien, serta peningkatan pencemaran lingkungan. Metode pengelolaan sampah tradisional tidak memiliki pemantauan secara waktu nyata (real-time) dan kurang responsif, sehingga menyebabkan pemanfaatan sumber daya yang kurang optimal serta berdampak negatif terhadap kebersihan dan keberlanjutan lingkungan perkotaan. Proyek ini mengusulkan pengembangan sistem Tempat Sampah Pintar untuk penggunaan di lingkungan rumah tangga dengan memanfaatkan teknologi Internet of Things (IoT) guna memungkinkan pemantauan dan pengelolaan tingkat sampah secara waktu nyata. Sistem ini menggunakan empat sensor ultrasonik HC-SR04 yang ditempatkan secara strategis di sekitar tempat sampah untuk memberikan deteksi tingkat keterisian yang akurat dan multidireksional. Mikrokontroler ESP32 mengumpulkan dan memproses data sensor, kemudian mengirimkannya melalui Wi-Fi ke server backend yang diimplementasikan dengan PHP dan MySQL. Dasbor berbasis web menyediakan visualisasi waktu nyata, analisis data historis, serta notifikasi peringatan, sehingga pengguna maupun petugas pengelola sampah dapat memantau kondisi tempat sampah secara efektif. Metodologi penelitian kuantitatif diterapkan, mencakup perancangan sistem, implementasi, dan pengujian dalam lingkungan rumah tangga yang disimulasikan. Hasil menunjukkan rata-rata akurasi sensor sebesar 93,8%, latensi sistem sekitar 1,6 detik, serta tingkat ketersediaan sistem sebesar 98,5%. Sistem ini berhasil memicu peringatan ketika tingkat keterisian mencapai ambang kritis, sehingga berkontribusi pada penjadwalan pengangkutan sampah yang lebih efisien serta pengurangan kejadian tempat sampah meluap. Proyek ini menegaskan kelayakan solusi pemantauan sampah pintar yang terjangkau dan dapat dikembangkan lebih luas, yang mampu meningkatkan keberlanjutan lingkungan serta kebersihan perkotaan. Rekomendasi untuk penelitian selanjutnya mencakup pengembangan jaringan multi–tempat sampah, penerapan teknologi komunikasi alternatif, serta pengembangan integrasi aplikasi seluler guna meningkatkan aksesibilitas pengguna dan ketahanan sistem

This study proposes an innovative approach to automating software test case generation and prioritization using advanced artificial intelligence (AI) techniques, specifically Retrieval-Augmented Generation (RAG), Large Language Models (LLMs), and LangChain, integrated with ChromaDB for efficient code embedding management. Traditional test case generation methods are often timeconsuming, error-prone, and struggle to adapt to evolving codebases, leading to incomplete test coverage and inefficiencies. The proposed system addresses these challenges by leveraging RAG to dynamically retrieve relevant code context from ChromaDB and generate context-aware, prioritized test cases tailored to the programming language and code structure. A user-friendly web-based interface enables developers and QA engineers to input code, select functions, and generate test cases compatible with JUnit 4.12 or JUnit 5, streamlining integration into existing workflows. Evaluated through controlled experiments, the system achieves up to 97% code coverage, significantly reducing manual effort and improving testing efficiency. By combining retrieval and generation capabilities, this research offers a scalable, adaptable solution to enhance software quality and accelerate development cycles, contributing to advancements in AI-driven software testing.

This project, entitled “AI-Enhanced Digital Banking Web Application for Personalized Financial Planning,” designs and develops a web-based digital banking system integrated with Artificial Intelligence (AI) to provide personalized financial advice. The system analyzes user financial data, spending patterns, and goals to generate tailored recommendations, including financial insights, savings and investment suggestions, and risk assessments. A user survey was conducted to align features with user needs, ensuring usability and accuracy. The final outcome is an interactive and user-friendly application that highlights the potential of AI to enhance financial decision-making and support intelligent financial management in the digital banking sector.

Leukemia, an oncological condition affecting the blood-forming tissues of the body, often goes undiagnosed in its early stages due to the presence of non-specific symptoms, resulting in delayed treatment and elevated mortality rates. This study aims to develop a web-based system that utilises machine learning algorithms to detect early leukemia risks based on user-reported symptoms and health data.The proposed system employs K-means clustering and autoencoders neural network to predict risk levels (low, moderate, or high) while providing personalised recommendations and appointment reminders for medical consultation. The system utilises qualitative research methodologies, encompassing expert interviews and thematic analysis, to identify critical symptoms and user requirements. Employing an Agile development framework, the system was designed to ensure usability and accessibility for the general public, particularly in regions with limited healthcare resources. Key features include user-friendly interfaces, secure data handling, and an integrated prediction model capable of processing diverse datasets. Preliminary results indicate that the system effectively identifies leukemia risk with high accuracy, empowering users with actionable insights and facilitating timely medical interventions.This innovation underscores the potential of machine learning in enhancing early disease detection and improving healthcare accessibility, contributing to global efforts in reducing leukemia-related mortality.

Makalah ini menyajikan perancangan dan pengembangan aplikasi klasifikasi hewan berbasis Kecerdasan Buatan (AI) yang bertujuan untuk meningkatkan pendidikan anak usia dini di pedesaan Indonesia. Dengan memanfaatkan Jaringan Saraf Tiruan Konvolusional (CNN) dengan arsitektur DenseNet-121, aplikasi berbasis web ini memungkinkan siswa taman kanak-kanak untuk mengidentifikasi hewan melalui klasifikasi gambar, menampilkan keluaran audio dwibahasa (Indonesia dan Inggris) dan umpan balik multimedia, termasuk suara dan video hewan. Dengan menyasar lingkungan pedesaan seperti Pendidikan Anak Usia Dini (PAUD) Alamanda 105 di Kabupaten Jember, aplikasi ini mengatasi keterbatasan media pembelajaran tradisional dengan menyediakan alat interaktif yang dioptimalkan untuk perangkat berspesifikasi rendah. Sebuah studi percontohan di Pendidikan Anak Usia Dini (PAUD) Alamanda 105 dan survei terhadap 56 responden menunjukkan dukungan yang kuat, dengan 73,2% meyakini aplikasi ini menjembatani kesenjangan sumber daya dan 53,6% menilai manfaat pendidikannya. Model CNN mencapai akurasi 98% dalam mengklasifikasikan 33 spesies hewan setelah 20 periode pelatihan. Studi ini menyoroti potensi perangkat berbasis AI untuk meningkatkan hasil pembelajaran di daerah-daerah yang kekurangan sumber daya, menawarkan solusi yang terukur untuk pemerataan pendidikan di pedesaan.